深度学习聊天机器人的优缺点
在之前的文章中，我们讨论了聊天机器人 目标电话号码或电话营销数据 如何简 手机号码数据 化人与机器之间的交互（今天，我们将探讨基于深度学习或机器学习的聊天机器人的利弊。
聊天机器人的机器学习和深度学习正在兴起，尤其是得益于 Siri、Alexa 或 Cortana 等虚拟助手，它们允许消费者通过智能手机甚至家用电器和设备使用语音进行交互。
这类系统的核心基本上有两种不同的技术
- 监督学习。在这种情况下，聊天机器人软件由大量请求进行训练。每个请求都与特定“标签”相关，该标签代表特定用户意图。优点：基于监聊天机器人的深督方法的深度学习或机器学习可以实现 亚历克斯 良好的准确性。缺点：但是，这种方法需要大量良好且正确标记的示例，否则训练过程将不会成功。
- 无监督学习。在这种情况下，聊天机器人软件 定价公平透明不会让您失望 依靠大量示例来独立识别请求和相应的用户意图。优点：系统可能不需要人工监督和一组明确标记的示例。缺点：完全独立的方法是不可能的，因为训练示例集不仅应该非常广泛和多样，而且还应该质量高，以确保聊天机器人得到适当的训练。
这两种方法都可以利用一些基本的自然语言处理 (NLP) 功能，但同时需要长时间训练和大量优质、合适的数据。像 Siri 这样的系统每周都会收到超过 10 亿条请求，而当今企业界训练深度学习系统所需的数据量要低得多。
数据质量差意味着结果质量差。如果缺乏良好的示例来适当训练系统，则会导致结果近似，甚至更糟，除非不断重复训练阶段，否则将得到完全错误的答案或没有答案。
结论
由于 Siri 等消费者应用程序的出现，聊天机器人受到了私人和公共组织的广泛关注，预计它们将继续在人工智能解决方案市场中崛起。根据 Gartner 的数
消费者喜欢聊天机器人的原因有很多（包括好聊天机器人的 比特币电子邮件列表 深奇心和娱乐性）；公司从聊天机器人中受益的原因也有很多，例如有机会改善日常任务，同时处理来自用户的多个请求，减少客户服务工 比特币电子邮件列表 作量和成本，更好地了解客户问题和期望，最后提高他们的忠诚度。
问题在于，典型的企业数据世界场景与消费者的场景完全不同，特别是如果我们研究如何实现聊天机器人的话。
例如，聊天机器人的深度学习可能适合于消费者环境，而在企业界，通常很难轻松收集大量可用于训练系统的良好示例。
因此，越来越多的公司正在寻求更复杂的方法，例如基于不同 AI 算法、机器学习/深度学习和高级 NLP 的混合方法。最后，不要忘记，聊天机器人以聊天机器人的深及其他形式的 AI 都不是魔术，任何 AI 解决方案始终基于编程。